在comfyUI中可以接入哪些节点

ComfyUI的核心是它的节点式界面。用户可以通过拖放和连接各种节点来创建自定义的图像生成工作流。以下是对ComfyUI节点系统的详细介绍:[heading2]节点类型[content]ComfyUI提供了多种不同类型的节点,包括:1.输入节点:文本提示节点:用于输入生成图像的文本描述图像输入节点:用于输入基础图像进行二次生成噪声节点:用于输入初始噪声图像1.处理节点:采样器节点:选择图像生成所使用的采样器调度器节点:选择图像生成所使用的调度器CFG Scale节点:调整引导式采样的强度步数节点:设置图像生成的迭代步数2.输出节点:图像输出节点:显示生成的最终图像3.辅助节点:批处理节点:支持批量生成多个图像图像变换节点:提供图像旋转、翻转等功能图像融合节点:可以将多个图像合并成一个[heading2]节点连接[content]用户可以通过拖动节点之间的连接线来构建整个工作流。连接线代表了数据在节点之间的流动。例如,您可以将文本提示节点连接到采样器节点,再连接到图像输出节点,形成一个完整的文本到图像生成流程。[heading2]节点自定义[content]除了使用内置节点,用户还可以创建自定义节点来扩展ComfyUI的功能。这为高级用户和开发者提供了极大的灵活性。自定义节点可以是新的输入、处理或输出节点,甚至是复杂的子工作流。这使得ComfyUI能够适应各种独特的图像生成需求。自定义节点安装目录：D:\ComfyUI\custom_nodes[heading2]节点管理[content]ComfyUI提供了丰富的节点管理功能,包括保存/加载节点图、复制/粘贴节点、批量编辑等。这些功能使得创建和重复使用工作流变得更加容易。

节点插件PuLID ComfyUI https://github.com/cubiq/PuLID_ComfyUImodel:使用预训练的基础文本到图像扩散模型，如Stable Diffusion。pulid:加载的PuLID模型权重，定义ID信息如何插入基础模型。eva_clip:用于从ID参考图像中编码面部特征的Eva-CLIP模型。face_analysis:使用InsightFace模型识别和裁剪ID参考图像中的面部。image:提供的参考图像用于插入特定ID。method:选择ID插入方法，如"fidelity"（优先保真度）、"style"（保留生成风格）和"neutral"（平衡两者）。weight:控制ID插入强度，范围为0到5。start_at和end_at:控制在去噪步骤的哪个阶段开始和停止应用PuLID ID插入。attn_mask:此选项用于提供灰度掩码图像，以控制ID自定义的应用位置，但并不是必需输入，而是可选输入。Advanced Node:提供了高级节点，可以通过调整fidelity滑块和projection选项进行更精细的生成调优。比如，ortho_v2和fidelity:8等价于标准节点的fidelity方法，而projection ortho和fidelity:16等价于style方法。

安装完成之后，在【新建节点】-【Alek节点】下面，我们就能看到这个插件下的所有的节点。它一共包含了【预览文本】、【绘画】、【姿态】、【clip文本编码器】和【翻译文本】这五个节点。【clip文本编码器（翻译）】可以代替自带的【clip文本编码器】，接下来直接输入中文就好了。需要注意的是，如果想要引用负向embedding的话，要确保你的文件夹路径中没有中文，不然它给你翻译一下之后路径就不对了。我们使用一个简单的文生图流程，可以看到翻译信息是可以正确的传递到最终的输出的。【翻译文本】节点呢，是可以用来替换【元节点】的，在sdxl的流程中，当我们需要将文本信息单独列出来的时候，就可以使用这个节点来代替。【预览文本】节点是可以连接到【翻译文本】上的，用来检查翻译的对不对。[heading1]注意！这里的翻译默认是连接的外网，所以大家在使用的时候，很有可能翻译会失效。这里如果翻译不成功的话，[content]双击“embedded_instail”进行安装。然后用记事本打开BaiduTranslate.py，填入我们在百度翻译开发平台申请的ID和密码，这样我们就能正常的翻译了。[heading1]#05